如何使用mmdetection訓練自己的數據集

一、準備數據集

首先需要準備好自己的數據集，包括圖片和對應的標註文件。圖片格式可以為jpg、png、bmp等常見圖片格式，標註文件一般使用COCO數據集格式進行保存。如果是自己標註的數據集，可以使用一些開源的標註工具，如labelme、VoTT等。注意保證標註文件與圖片文件名相同。

|--dataset
    |--annotations
        |--instance_train.json
        |--instance_val.json
    |--train
        |--*.jpg
    |--val
        |--*.jpg

二、安裝mmdetection

安裝mmdetection可以參考官方文檔：https://mmdetection.readthedocs.io/en/latest/get_started.html#installation

安裝完之後，需要將自己的數據集轉換為mmdetection支持的格式，即將COOC格式的標註文件轉換為mmdetection對應的.json和.png文件。可以使用以下命令：

python tools/train.py ${CONFIG_FILE} --resume_from ${CHECKPOINT_FILE}

三、配置訓練參數

在mmdetection的配置文件中，需要指定訓練參數，包括數據集路徑，網絡結構，訓練方式等相關參數。可以選擇使用已經訓練好的預訓練模型或者從頭開始訓練。

# dataset settings
dataset_type = 'CocoDataset'
data_root = '/path/to/dataset/'
img_norm_cfg = dict(mean=[123.675, 116.28, 103.53], std=[58.395, 57.12, 57.375], to_rgb=True)
train_pipeline = [
    dict(type='LoadImageFromFile'),
    dict(type='LoadAnnotations', with_bbox=True),
    dict(type='Resize', img_scale=(1333, 800), keep_ratio=True),
    dict(type='RandomFlip', flip_ratio=0.5),
    dict(type='Normalize', **img_norm_cfg),
    dict(type='Pad', size_divisor=32),
    dict(type='DefaultFormatBundle'),
    dict(type='Collect', keys=['img', 'gt_bboxes', 'gt_labels']),
]
test_pipeline = [
    dict(type='LoadImageFromFile'),
    dict(type='MultiScaleFlipAug',
         img_scale=(1333, 800),
         flip=False,
         transforms=[
             dict(type='Resize', img_scale=(1333, 800), keep_ratio=True),
             dict(type='RandomFlip'),
             dict(type='Normalize', **img_norm_cfg),
             dict(type='Pad', size_divisor=32),
             dict(type='ImageToTensor', keys=['img']),
             dict(type='Collect', keys=['img']),
         ])
]
data = dict(
    imgs_per_gpu=2,
    workers_per_gpu=2,
    train=dict(
        type=dataset_type,
        ann_file=data_root + 'annotations/train_annotation.json',
        img_prefix=data_root + 'train/',
        pipeline=train_pipeline),
    val=dict(
        type=dataset_type,
        ann_file=data_root + 'annotations/val_annotation.json',
        img_prefix=data_root + 'val/',
        pipeline=test_pipeline),
    test=dict(
        type=dataset_type,
        ann_file=data_root + 'annotations/test_annotation.json',
        img_prefix=data_root + 'test/',
        pipeline=test_pipeline))

# model settings
model = dict(
    type='FasterRCNN',
    pretrained='torchvision://resnet50',
    backbone=dict(
        type='ResNet',
        depth=50,
        num_stages=4,
        out_indices=(0, 1, 2, 3),
        frozen_stages=1,
        norm_cfg=dict(type='BN', requires_grad=True),
        norm_eval=True,
        style='pytorch'),
    neck=dict(
        type='FPN',
        in_channels=[256, 512, 1024, 2048],
        out_channels=256,
        num_outs=5),
    rpn_head=dict(
        type='RPNHead',
        in_channels=256,
        feat_channels=256,
        anchor_scales=[8],
        anchor_ratios=[0.5, 1.0, 2.0],
        anchor_strides=[4, 8, 16, 32, 64],
        target_means=[0.0, 0.0, 0.0, 0.0],
        target_stds=[1.0, 1.0, 1.0, 1.0]),
    roi_head=dict(
        type='StandardRoIHead',
        bbox_roi_extractor=dict(
            type='SingleRoIExtractor',
            roi_layer=dict(type='RoIAlign', out_size=7, sample_num=2),
            out_channels=256,
            featmap_strides=[4, 8, 16, 32]),
        bbox_head=dict(
            type='Shared2FCBBoxHead',
            in_channels=256,
            fc_out_channels=1024,
            roi_feat_size=7,
            num_classes=80,
            bbox_coder=dict(
                type='DeltaXYWHBBoxCoder',
                target_means=[0.0, 0.0, 0.0, 0.0],
                target_stds=[0.1, 0.1, 0.2, 0.2]))))

# training settings
train_cfg = dict(
    rpn=dict(
        assigner=dict(
            type='MaxIoUAssigner',
            pos_iou_thr=0.7,
            neg_iou_thr=0.3,
            min_pos_iou=0.3,
            match_low_quality=True,
            ignore_iof_thr=-1),
        sampler=dict(
            type='RandomSampler',
            num=256,
            pos_fraction=0.5,
            neg_pos_ub=-1,
            add_gt_as_proposals=False),
        allowed_border=-1,
        pos_weight=-1,
        debug=False),
    rcnn=dict(
        assigner=dict(
            type='MaxIoUAssigner',
            pos_iou_thr=0.5,
            neg_iou_thr=0.5,
            min_pos_iou=0.5,
            match_low_quality=False,
            ignore_iof_thr=-1),
        sampler=dict(
            type='RandomSampler',
            num=512,
            pos_fraction=0.25,
            neg_pos_ub=-1,
            add_gt_as_proposals=True),
        pos_weight=-1,
        debug=False))

# optimizer
optimizer = dict(type='SGD', lr=0.02, momentum=0.9, weight_decay=0.0001)
optimizer_config = dict(grad_clip=dict(max_norm=35, norm_type=2))

# learning policy
lr_config = dict(policy='step', step=[8, 11])
total_epochs = 12
checkpoint_config = dict(interval=1, save_optimizer=True, create_symlink=False)
log_config = dict(interval=50, hooks=[dict(type='TextLoggerHook')])

四、訓練模型

完成以上準備工作後，即可開始訓練模型。可以使用以下命令進行模型訓練：

python tools/train.py ${CONFIG_FILE} [--work-dir ${WORK_DIR}] [--resume-from ${CHECKPOINT_FILE}]

五、模型測試與評估

在訓練完成之後，可以使用以下命令進行模型測試和評估：

python tools/test.py ${CONFIG_FILE} ${CHECKPOINT_FILE} [--out ${RESULT_FILE}] [--eval ${EVAL_METRICS}]

模型測試可以得到檢測結果文件，在結果文件中可以看到每張圖片中檢測出來的物體種類和檢測框。評估結果可以得到模型的檢測精度，包括mAP、Precision和Recall等指標。